Öğrenci ve Akademisyenlerin E-Öğrenmeye Hazır Bulunuşlarının Daha Az Soru ile Sınıflandırılması

Abstract

Küresel boyuttaki KOVİD-19 pandemisinin etkisiyle birlikte tüm dünyada alışveriş, çalışma ve eğitim gibi konular “uzaktan” ve “elektronik” olarak daha fazla değerlendirilmeye başlandı. Mart 2020’deki Yüksek Öğretim Kurumu kararının ardından Türkiye’deki tüm üniversiteler eğitimlerine uzaktan devam etme kararı almıştır. Bu karar sonucunda akademisyenlerin ve öğrencilerin e-öğrenme sürecine ne kadar hazır olduklarını değerlendiren çalışmalar da hızla artmıştır. Bu çalışmada iki farklı üniversitedeki akademisyen ve öğrencilerin e-öğrenmeye ne kadar hazır olduklarının incelendiği bir anket çalışmasına makine öğrenmesi teknikleri uygulanmış, daha az soru ile aynı sonuçların elde edilmesi hedeflenmiştir. Soruların azaltılmasında özyinelemeli öznitelik eleme yöntemi kullanılmış, azaltılan sorular ile en yüksek Cronbach Alpha değerini CatBoost ve XGBoost yöntemleri sağlamıştır. Ek olarak, en yüksek sonuç tahmin performansını destek vektör makineleri sağlamıştır. Destek vektör makineleri, daha az soru ile akademisyen yanıtlarını %100, öğrencilerin yanıtlarını %97.48 doğrulukla tahmin etmiştir. Önerilen yaklaşım, anket sonuçlarında en az kayıpla uzun süren anket verisi toplama süresini azaltmada yardımcı olacaktır.